تشخيص نويسنده از دست‌خط‌هاي برون‌خط مستقل از زبان نوشتاري مبتني بر بافت با بهره‌گيري از تبديل موجك در محيط دو زبانه فارسي انگليسي

پيشرفت‌هاي اخير در فناوري اطلاعات و همچنين نياز روزافزون به امنيت بيشتر، منجر به توسعه سريع سيستم‌هاي هوشمند تشخيص هويت براساس خصوصيات بيومتريك شده است. پژوهش‌هاي اخير اثبات نموده‌اند كه دست‌خط افراد نيز منحصر به فرد بوده و مي تواند به عنوان يكي از روش‌هاي احراز هويت مورد استفاده قرار بگيرد. تاكنون مطالعات بسياري بر روي دست‌نوشته‌هاي فرد بر پايه يك زبان مشخص، انجام شده اما اين روش‌ها استقلال از زبان نوشتاري نداشته‌اند. از طرف ديگر، حتي بانك اطلاعاتي نيز براي اين‌كار نيز موجود نمي‌باشد. در اين مقاله براي اولين بار، بانك اطلاعاتي دست‌خط ۳۰۰ نفر در دو زبان فارسي و انگليسي جمع‌آوري گرديد. هدف اين مقاله، ارائه مدلي به منظور شناسايي نويسنده از روي دست‌خط، مستقل از زبان نوشته شده در زبان‌هاي فارسي و انگليسي مي باشد. پس از اعمال پيش‌پردازش بر روي تصاوير، دست‌خط هر فرد به بلاك‌هايي با اندازه هاي مشخص تبديل شده كه بافت ناميده مي‌شود. سپس، با استفاده از اين بافت‌ها كه بر روي دست‌خط هر فرد در زبان فارسي و انگليسي ايجاد شده، ويژگي‌هاي مورد نظر استخراج مي‌شود. به منظور استخراج اين ويژگي‌ها ابتدا تبديل موجك دو بعدي بر روي تصوير اعمال شده و سپس با استفاده از الگوريتم جديد محاسبه بعد فركتالي كه براي اولين بار در اين حوزه استفاده مي‌شود، بردار ويژگي به دست مي‌آيد. در انتها نيز با استفاده از شبكه‌هاي عصبي پرسپترون چند لايه طبقه‌بندي دست‌خط افراد صورت مي‌گيرد و نتايج در سناريوهاي مختلف گزارش مي‌شود.